高校专区
超越重要性：互换-Sobol灵敏度揭示Transformer组件中的任务特定内容通道
机构 * St. Jude Children’s Research Hospital（圣犹大儿童研究医院） ； The University of Hong Kong（香港大学）
AI总结 提出互换组Sobol分解（IGSD），通过配对干预区分组件的内容传输与计算退化角色，在事实回忆任务中发现标准方法低估的早期层内容通道。
AOHP：一个用于个性化、高效和安全交互的开源操作系统级Agent框架
机构 * Tsinghua University（清华大学） ； Peking University（北京大学） ； The University of Hong Kong（香港大学）
AI总结 提出AOHP，一个基于AOSP的操作系统级Agent框架，通过将Agent视为一等OS参与者，实现个性化服务组合、高效Agent接口和安全信息流，在任务完成率、令牌成本和策略合规性上优于现有系统。
Comments 17 pages, 3 figures
StatABench：评估大语言模型统计分析能力的数据集与框架
机构 * Southern University of Science and Technology（南方科技大学） ； Alibaba Group（阿里巴巴集团） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； The University of Hong Kong（香港大学）
AI总结 提出StatABench基准，包含404道封闭题和30道开放建模任务，评估LLM在统计分析上的能力，实验显示最佳模型仅达68.6%准确率，揭示工具推理和建模决策等挑战。
兴趣纠缠：盲超分辨率优化的隐藏障碍
机构 * College of Intelligent Robotics and Advanced Manufacturing, Fudan University（复旦大学智能机器人与先进制造学院） ； College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） ； The University of Hong Kong（香港大学） ； Shanghai Institute of Virology, Shanghai Jiao Tong University School of Medicine（上海病毒研究所，同济大学医学院）
AI总结 针对图像超分辨率中保真度与感知质量冲突的问题，提出基于共享特征表示的超分辨率框架（SFR），通过解耦不同优化目标的学习过程并引入InfoSqueeze模块，实现两者有效平衡。
通过身份-动作解耦定制视频肖像
机构 * College of Intelligent Robotics and Advanced Manufacturing, Fudan University（复旦大学智能机器人与先进制造学院） ； College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） ； The University of Hong Kong（香港大学）
AI总结 提出身份-动作解耦框架，通过身份解耦损失和文本对齐损失，无需微调即可生成保持身份一致且表情丰富的视频。
RoboLineage：跨机器人策略迭代的智能体原生数据生命周期治理
机构 * Transcengram ； The University of Hong Kong（香港大学） ； Beijing Institute of Technology（北京理工大学）
AI总结 提出RoboLineage系统，通过将数据收集、审查、训练、评估等步骤表示为类型化谱系工件，实现机器人策略迭代的显式生命周期管理，提升迭代速度与可审计性。
LLM上的模块化强化学习：从MDP创建到探索与学习
机构 * VU Amsterdam（阿姆斯特丹自由大学） ； University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校） ； Leiden University（莱顿大学） ； University of Warsaw（华沙大学） ； Simon Fraser University（西蒙菲莎大学） ； The University of Hong Kong（香港大学）
AI总结 本文系统梳理LLM后训练中的强化学习方法，从MDP构建、探索策略到学习范式，揭示当前方法分布不均，指出价值函数、离策略AC及自举法等领域存在研究空白。
基于3D高斯散点的场景级异构物理仿真
机构 * The University of Hong Kong（香港大学） ； University of Cambridge（剑桥大学）
AI总结 提出一种表示抽象框架，将3D高斯散点、虚拟网格和流体等异构资产统一为物理粒子集，实现场景级、多求解器的物理仿真，支持3DGS资产的非刚性变形与复杂双向交互。
Comments Accepted to CVPR 2026 Findings
Journal ref Proc. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Findings, 2026, pp. 6456-6465
SCOPE：尺度一致的3D几何单遍估计
机构 * The University of Hong Kong（香港大学） ； Alibaba Group（阿里巴巴集团）
AI总结 提出SCOPE方法，通过仿射不变3D点图和三个关键创新（视角不变几何、外观不变学习、频率调制定位），实现从长单目视频序列中高效、一致地估计3D几何，在ScanNet上相对点图误差降低24.2%，时间对齐误差降低34.9%。
Comments SIGGRAPH Conference Papers 2026. 11 pages
DIPBox：用于追踪数据集再生的多尺度测试框架
机构 * Shanghai Jiao Tong University（上海交通大学） ； Southeast University（东南大学） ； Guizhou University（贵州大学） ； The University of Hong Kong（香港大学）
AI总结 针对数据集再生威胁，提出多尺度特征相似度指标和DIPBox框架，通过样本级、集合级和分布级特征测试追踪再生数据集，实验验证其有效性。
Comments Accepted by ACM CCS 2026. Please cite this paper as "Tian Dong, Yan Meng, Shaofeng Li, Guoxing Chen, Yuling Chen, Zhen Liu, Haojin Zhu, Hao Chen. DIPBox: A Multi-scale Testing Framework for Tracking Dataset Regeneration. In the Proceedings of ACM Conference on Computer and Communications Security (CCS 2026)."
通过价值拼接的自适应地平线离线策略学习
机构 * The University of Hong Kong（香港大学） ； Tsinghua University（清华大学）
AI总结 提出VAST方法，通过递归、自适应地平线价值组合替代固定地平线备份，利用未来状态和地平线长度条件辅助价值函数与拼接策略，实现离线策略优化，在长时域任务中优于固定步长和生成价值基线。
几何熵：轨迹多样性在模仿学习中的利弊
机构 * InfoBodied AI Lab, The University of Hong Kong（香港大学信息体人工智能实验室） ； Transcengram
AI总结 提出几何熵（H_G）量化演示轨迹的几何多样性，发现成功率与H_G呈倒U型关系，且最优熵随任务掌握度增加而降低，可用于数据集审计与校准。
Comments Accepted to IROS 2026. Project page: https://geometric-entropy.github.io/
JPPD：具有可微安全引导的联合预测-规划扩散框架用于智能交通系统中的动态障碍物规避
机构 * The University of Hong Kong（香港大学） ； Guangzhou College of Commerce（广州商学院）
AI总结 提出联合预测-规划扩散框架，将参与者预测与机器人规划视为条件轨迹生成问题，通过可微安全势引导和条件流匹配提升共享空间中的安全性与效率。
Comments 12 pages, 4 figures
Physical-AI: 从信道感知到6G无线网络中的环境智能
机构 * Augmented Cognition Meta-communications ERC Research Center, Korea University, Korea（增强认知元通信ERC研究中心，韩国大学，韩国） ； Department of Computer Science, Munster Technological University (MTU)（计算机科学系，穆斯特技术大学（MTU）） ； School of Computing, Faculty of Engineering and Computing, Dublin City University, Ireland（计算学院，工程与计算学院，都柏林城市大学，爱尔兰） ； Department of Electrical and Computer Engineering of the Democritus University, Greece（德米特里大学电气与计算机工程系，希腊） ； Department of Electrical and Computer Engineering, The University of Hong Kong, Hong Kong（电气与计算机工程系，香港大学，香港） ； Department of Electronic Engineering, Kyung Hee University, Yongin-si, Gyeonggi-do 17104, South Korea（电子工程系， Kyung Hee大学， Yongin-si, Gyeonggi-do 17104, 韩国）
AI总结 提出Physical-AI架构，利用自监督时空无线电基础模型将分布式观测转化为共享环境表征，通过多推理头估计阻塞、用户分布等环境属性，并基于神经决策层实现主动控制，降低中断概率和阻塞响应延迟。
用于服装配置对齐的缝到图重建
机构 * JC STEM Lab of Robotics for Soft Materials, Department of Electrical and Electronic Engineering, Faculty of Engineering, The University of Hong Kong（香港大学工程学院电气与电子工程系JC STEM软材料机器人实验室） ； Unprecedented-scale Data Analytics Center, Tohoku University（东北大学前所未有规模数据分析中心） ； Graduate School of Information Sciences, Tohoku University（东北大学信息科学研究科） ； Department of Electrical and Electronic Engineering, Faculty of Engineering, The University of Hong Kong（香港大学工程学院电气与电子工程系）
AI总结 提出基于图神经网络和注意力机制的Seam-to-Graph网络，将部分可观测的缝信息映射为拓扑结构骨架图，用于实时服装状态估计，并设计变形感知分层视觉伺服控制器实现服装配置对齐，在双臂机器人系统上验证了人类级精度和鲁棒性。
Comments 11 pages, 9 figures
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈